Tez No	İndirme	Tez Künye	Durumu
745653		Retina fundus bileşenlerinin görüntü işleme ve yapay öğrenme ile tanılama yöntemlerinin geliştirilmesi / Development of diagnostic methods of retina fundus components with image processi̇ng and artificial learning Yazar:BUKET TOPTAŞ Danışman: PROF. DR. DAVUT HANBAY Yer Bilgisi: İnönü Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Donanım Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Arterler = Arteries ; Fundus oculi = Fundus oculi ; Optik disk = Optic disk ; Retina = Retina ; Venler = Veins	Onaylandı Doktora Türkçe 2022 133 s.
Fundus görüntüleri, gözün retina yapısının görüntülenme şeklidir. Bu görüntülerde gözü ve diğer organları etkileyen birçok hastalığın bilgisi bulunmaktadır. Bu bilgilere erişmek için retina fundus görüntüleri detaylı analiz edilmektedir. Bu analizler, alanında uzman hekimler tarafından bilgisayar destekli tanı sistemleri kullanılarak yapılmaktadır. Bu analiz sürecinin başarısı hekimin bilgi ve deneyimine bağlıdır. Ayrıca, bu süreç karmaşık ve zaman alıcıdır. Teknolojinin gelişmesi ile birlikte daha iyi analiz yapan sistemlere ihtiyaç duyulmaktadır. Bu tez çalışmasında, retina fundus görüntüleri detaylı olarak incelenmiş ve bu görüntüler üzerinde bilgisayar destekli tanı sistemleri geliştirilmiştir. Bu sistemlerin ilki, retina üzerinde önemli bir konuma sahip olan optik diskin lokalizasyon tespiti üzerine odaklanmıştır. Önerilen sistemde, KYM renk uzayındaki fundus görüntüleri yeni bir renk uzayına taşınmış ve bu renk uzayında optik disk lokalizasyonu tespit edilmiştir. İkinci önerilen sistem, diyabetik retina başta olmak üzere birçok hastalığın tanı ve teşhisinde kullanılan retina kan damarlarının çıkarılmasını sağlayan bir yöntemdir. Önerilen bu yöntemde, fundus görüntülerinden elde edilen piksel tabanlı özellikler ile retina kan damarları bölütlenmiştir. Üçüncü modellenen sistem ise retina kan damarlarının arter/vein ayrımını sağlayan bir sistemdir. Modellenen bu sistemde, retina kan damarlarından alınan görüntü kesitleri tasarlanan evrişimsel bir sinir ağına girdi olarak verilmiştir. Evrişimsel sinir ağı sonucunda bir retina kan damarının arter/vein ayrımı sağlanmıştır. Tasarlanan son sistem ise, fundus görüntülerini glokom veya sağlıklı olarak ayırabilen bir sistemdir. Burada, güncel yöntemlerden biri olan EfficientNet modeli kullanılmıştır. Önerilen sistemlerin hepsi halka açık olarak sunulan fundus veri setleri üzerinde test edilmiştir. Önerilen bu sistemlerin performans sonuçları, diğer güncel yöntemlerin performans sonuçlarına kıyasla tatmin edici düzeydedir. Geliştirilen sistemler karar destek sistemi olarak hekimlere yardımcı olabilecektir.
Fundus images are the process of visualizing the retinal structure of the eye. These images contain information about many diseases that impact the eye and other organs. To obtain this information, retinal fundus images are analyzed thoroughly. These analyzes are made by specialist physicians using computer-aided diagnosis systems. The success of this analysis process depends on the knowledge and experience of the specialist physicians. In addition, it is a time-consuming and complicated process. With the advance of technology, better analysis systems are needed. In this thesis, retinal fundus images were examined in detail and computer-aided diagnosis systems are developed over these images. The first of these systems focused on localization detection of the optic disc, which has an important position on the retina. In the proposed system, fundus images in RGB color space are moved to new color space and optic disc localization was detected in this color space. The second proposed system is a method that allows the extraction of retinal blood vessels, which is used in the detection and diagnosis of many diseases starting with diabetic retina. In this proposed method, retinal blood vessels are segmented with pixel-based features obtained from fundus images. The third modeled system is a system that is capable of distinguishing between the arteries and veins of the retina blood vessels. In this modeled system, image patches extracted from retina blood vessels are given as inputs to a designed convolutional neural network. The output of the convolutional neural network enables the distinction between the arteries and veins of the retina blood vessels. The last system designed is a system that can distinguish fundus images as glaucoma or healthy. Here, the EfficientNet model, which is one of the current methods, is used. All of the systems proposed are tested on the fundus datasets which are publicly available. Performance results of all of the proposed systems are satisfactory in the sense that they are competitive with those of state-of-the-art methods used in the literature. As a consequence, developed systems can be used as decision support systems to help physicians.